随着网络技术日益发达以及人们对网络安全的信任,越来越多的人利用网络进行信息交互。网络影响了人们的生活,其中之一便是网上购物。网上商品较实体店的种类更多,可选择性与可比较性更大,更容易买到物美价廉的商品。但是由于网上的商品只有一些客观存在的参数、图片等,顾客只能从这些信息里面判断商品是否符合自己的需求,缺乏一定的触感和试穿体验,买到的商品往往和自己期望值有很大的差距,从而产生一系列的退换货等后续的麻烦。如果可以参考已够买过该商品的消费者经验信息——商品评论,那么对消费者正确的购买该商品具有很重要的指导意义。由于对评论的需求量的增加,评论的数量日益增多,很难从如此庞大的信息中找出对自己有用的信息,如果按照评论所表达的情感倾向进行类别分类,将同一情感倾向的评论归为一类,这样消费者便可以按照自己的需求的不同的按类别查找对自己有用的信息。本文的研究重点便是对商品评论进行情感分析,判断商品评论的情感倾向。本论文主要是从两个方面进行情感分析:(1)基于情感词典的情感分析,该方法的主要难点是情感词典的扩展,本文在参照现存技术基础上提出了两种情感词典的扩展方法:(1)基于句法结构模版和PMI值相结合的情感词典的扩展;(2)基于同义词的情感词典扩展。(2)基于文本分类技术的情感分析,该方法的难点是特征向量的选取,如何在不改变分类准确性的前提下删除无用的冗余特征,降低特征维度,是本文研究的重点。本文在信息增益的特征选择方法的基础上进行了改进,将词语出现的频率和词语的情感倾向强度考虑进信息增益特征选择方法中,在该前提下进行特征选择。最后将提出的3个方法应用到商品评论中进行情感分析,通过实验来验证提出方法的有效性。